AI后端开发工程师

负责 AI/Data Agent 平台任务环境和后端服务的设计、开发与持续演进，推动现有基础设施能力平台化、服务化和规模化落地。

负责 CPU/GPU 资源管理、任务调度、队列管理、优先级控制、资源隔离、配额管理等核心能力建设。

负责任务编排与异步执行系统建设，支持数据接入、文档解析、结构化抽取、清洗去重、格式转换、质量评估、标准化入库和结果交付等流程。

建设可注册、可检索、可组合、可评测的数据处理工具库，完善工具输入输出契约、参数模板、版本管理、资源消耗和质量评分等机制。

设计并实现面向 Agent的服务接口，支撑工具调用、任务状态管理、权限控制、执行追踪和结果回传。

完善任务失败重试、异常恢复、幂等控制、日志追溯、监控告警和审计能力，保障平台的稳定性、可观测性和可维护性。

与 Agent、算法、产品和测试团队协作，参与评测环境、轨迹收集环境和数据处理工作流的建设，推动平台能力持续迭代。

参与工程规范、接口标准、数据规范和研发工具链建设，持续提升系统质量和团队研发效率。

本科及以上学历，计算机、软件工程、人工智能等相关专业，3 年及以上 Python 或 Golang 后端研发经验。

深入理解 Python 或 Golang 的语言特性和工程实践，注重代码规范、测试质量和系统可维护性。

熟悉微服务、分布式系统、异步架构、高并发和大规模数据处理等技术。

熟悉数据库、缓存、消息队列、负载均衡、容器化和 Kubernetes 等常用基础设施。

具备任务调度、工作流引擎、资源管理、数据处理平台或云原生平台开发经验。

熟悉 RESTful、RPC 等服务接口设计方式，具备完善的服务治理、监控和故障排查能力。

具备基本的大模型、Agent、工具调用或 AI 服务工程化知识，能够理解 Agent 对任务调度和工具平台的调用需求。

具备较强的问题分析、技术攻坚和跨团队协作能力，能够独立推进复杂模块落地。 加分项

有 AI 平台、Agent 基础设施、模型服务或数据构建平台研发经验。

熟悉 Ray、Argo、Airflow 等任务编排或分布式计算框架。

有 CPU/GPU 集群调度、资源隔离、科学数据处理或多模态数据处理经验。

活跃于开源社区，参与过有实际用户或影响力的开源项目。